DynaFlow: apprendere l’orchestrazione multiagente a forma libera

Abstract degli autori

I sistemi multiagente si basano spesso su strutture di collaborazione predefinite, che ne limitano la capacità di adattarsi a compiti diversi. Presentiamo DynaFlow, un framework che integra nello spazio delle azioni dell’agente principale la sintesi di workflow eseguibili a forma libera. L’agente decide quando è necessaria la collaborazione e genera programmi specifici per il compito, che coordinano i sottoagenti mediante esecuzione sequenziale o parallela, scambio strutturato di informazioni e verifica. I risultati e le tracce dell’esecuzione orientano le azioni successive, consentendo all’agente di adattare la collaborazione man mano che il ragionamento procede. Addestriamo soltanto l’agente principale tramite fine-tuning supervisionato su traiettorie distillate, seguito da un’ulteriore fase di perfezionamento su esempi filtrati per escludere premesse non supportate, verifiche distorte e difetti nel flusso delle informazioni. Tutti i sottoagenti rimangono invariati, separando l’apprendimento dell’orchestrazione dal miglioramento delle capacità degli esecutori. Su sei benchmark che comprendono ragionamento matematico, risposta a domande scientifiche e recupero di informazioni multi-hop, DynaFlow raggiunge un’accuratezza complessiva dell’88,08% in modalità Forced, superando di 10,90 punti percentuali la migliore baseline valutata, con lo stesso backbone Qwen3.5-27B. L’analisi dei workflow rileva, dopo l’addestramento, un uso, una verifica e un perfezionamento più espliciti degli output delle fasi precedenti, evidenziando il flusso di informazioni tra fasi come una dimensione fondamentale dell’orchestrazione multiagente.